• 제목/요약/키워드: 단기적용

검색결과 775건 처리시간 0.034초

형용사를 이용한 주관적 감성 연구의 두 방법 비교 (A Comparison of Two Research Methods on Human Sensibility Using Adjectives)

  • 신미경;민병찬;정순철;박미경;민병운;남경돈;김수진;김준수
    • 한국감성과학회:학술대회논문집
    • /
    • 한국감성과학회 2000년도 추계학술대회 논문집
    • /
    • pp.7-12
    • /
    • 2000
  • 본 연구는 형용사를 이용한 향의 이미지 구조 연구에서 자극을 사용한 경우와 향을 제시하지 알은 두 경우를 비교하였다. 자극을 제시한 실험에서는 피험자에게 5가지의 향 자극을 주고 각 향에 대한 이미지를 25개의 형용사에 대하여 7점 척도로 표시하도록 하였다. 자극을 제시하지 않은 실험은 쌍 비교법을 사용하여 형용사를 두개 씩 쌍을 지워 제시하고 두 형용사가 유사한 정도를 7점 척도로 나타내게 하였다. 두 자료를 다차원 척도 (MDS), 군집분석, 상관관계를 이용하여 분석을 실시하여 비교하였다. 결론적으로 향의 이미지 구조는 자극 제시여부에 따라 구조적이며 근본적인 차이가 없음이 밝혀졌다. 그러나 자료 분포의 밀집정도에 따른 지엽적인 차이는 있었으며 이러한 차이는 두 경우에 적용되는 기억이, 단기기억과 장기기억으로, 다르다는 점에서 기인되는 것이 라고 판단되었다.

  • PDF

LSTM을 활용한 컨테이너 물동량 예측 (Forecasting Container Throughput with Long Short Term Memory)

  • 임상섭
    • 한국컴퓨터정보학회:학술대회논문집
    • /
    • 한국컴퓨터정보학회 2020년도 제62차 하계학술대회논문집 28권2호
    • /
    • pp.617-618
    • /
    • 2020
  • 우리나라의 지리적인 여건상 대륙과 연결되지 않기 때문에 해상운송에 절대적으로 의존하고 있다. 해상운송에 있어 항만시설의 확보가 필요하며 대외무역의존도가 높은 우리나라의 경우 더욱 중요한 역할을 한다. 항만시설은 장기적인 항만수요예측을 통해 대규모 인프라투자를 결정하며 단기적인 예측은 항만운영의 효율성을 개선하고 항만의 경쟁력을 제고하는데 기여하므로 예측의 정확성을 높이기 위해 많은 노력이 필요하다. 본 논문에서는 딥러닝 모델 중에 하나인 LSTM(Long Short Term Memory)을 적용하여 우리나라 주요항만의 컨테이너 물동량 단기예측을 수행하여 선행연구들에서 주류를 이뤘던 ARIMA류의 시계열모델과 비교하여 예측성능을 평가할 것이다. 본 논문은 학문적으로 항만수요예측에 관한 새로운 예측모델을 제시하였다는 측면에서 의미가 있으며 실무적으로 항만수요예측에 대한 정확성을 개선하여 항만투자의사결정에 과학적인 근거로서 활용이 가능할 것으로 기대된다.

  • PDF

내생시차변수모형을 이용한 전력수요함수 추정 (Estimation of the electricity demand function using a lagged dependent variable model)

  • 안소연;진세준;유승훈
    • 에너지공학
    • /
    • 제25권2호
    • /
    • pp.37-44
    • /
    • 2016
  • 2차 에너지인 전력은 다양한 연료를 발전원으로 하고 있기 때문에, 전력에 대한 수요는 에너지 각 부문에 적지 않은 영향을 미친다. 이에 본 논문에서는 전력수요함수를 추정하여 가격탄력성 및 소득탄력성에 대한 정량적 정보를 도출하고자 한다. 이를 위해 1991년부터 2014년까지의 연간 시계열 자료를 이용하되, 탄력성을 단기와 장기를 구분하여 추정할 수 있는 내생시차변수모형을 적용한다. 종속변수로는 연간 전력수요, 독립변수로는 상수항, 전력실질가격, 실질 국내총생산의 3가지를 이용한다. 분석결과 단기 가격탄력성 및 소득탄력성은 각각 -0.142 및 0.866으로 추정되었으며 유의수준 5%에서 통계적으로 유의하다. 즉 전력수요는 단기적인 관점에서 가격 변화에 대해 비탄력적임과 동시에 소득 변화에 대해서도 비탄력적이다. 장기 가격탄력성 및 소득탄력성을 추정한 결과를 살펴보면 각각 -0.210 및 1.287이며 이 값은 유의수준 5%에서 통계적으로 유의하다. 장기적인 관점에서 보더라도 전력수요는 가격 변화에 대해 여전히 비탄력적인 반면에, 소득 변화에 대해서는 전력수요가 탄력적으로 변한다. 따라서 가격정책 위주의 수요관리정책은 단기 및 장기 모두 효과가 제한적이며, 향후 예상되는 소득 증가에 기인하는 전력수요의 증가는 단기보다는 장기에 보다 두드러질 것으로 예상된다.

모델트리를 활용한 죽산보 단기조류예측에 관한 연구 (Study on the Prediction of short-term Algal Bloom in Juksan weir Using the Model Tree)

  • 이보미;이혜숙;정선아;주용은;김호준;최광순
    • 한국수자원학회:학술대회논문집
    • /
    • 한국수자원학회 2018년도 학술발표회
    • /
    • pp.450-450
    • /
    • 2018
  • 최근 기후변화와 수온상승으로 인한 녹조발생이 빈번하게 나타나며, 녹조발생에 관한 관심은 꾸준히 증가하고 있는 추세이다. 본 연구는 효율적인 녹조관리를 위하여 모델트리를 활용하여 클로로필-a 단기조류예측 기법을 개발하였다. 대상지역으로 영산강수계의 죽산보를 선정하였으며, 2013년 1월부터 2016년 12월까지 나주 수질자동측정망의 일 단위자료와 동일기간 광주 기상청의 일별 기상자료를 이용하였다. 상관 분석을 통해 T-N, T-P, N/Pratio와 클로로필-a, 수온, 일사량, 강수량을 독립변수로, 단기(t+1일, t+3일, t+5일, t+7일) 클로로필-a를 종속변수로 선정하여 단기조류예측기법을 개발하였다. 수집한 자료의 데이터세트는 격일 간격으로 Training, Testing 기간으로 구분하여 적용한 결과, 상관계수는 1일 예측 시, Training 기간에 0.89, Testing 기간에 0.91, 3일 예측 시, Training 기간에 0.74, Testing 기간에 0.68, 5일 예측 시, Training 기간에 0.70, Testing 기간에 0.66, 7일 예측 시, Training 기간에 0.63, Testing 기간에 0.62로 나타났다. RMSE(Root Mean Square Error)는 1일 예측 시, Training 기간에 13.96, Testing 기간에 12.22, 3일 예측 시, Training 기간에 20.03, Testing 기간에 22.14, 5일 예측 시, Training 기간에 21.32, Testing 기간에 22.57, 7일 예측 시, Training 기간에 23.52, Testing 기간에 23.45로 나타났다. 예측주기에 따라 모델트리와 회귀식에서 활용한 독립변수는 1일 예측 시, 모델트리는 N/Pratio, 클로로필-a, 회귀식은 클로로필-a로 다르게 나타났다. 반면, 3일, 5일, 7일 예측 시, 모델트리와 회귀식에 활용된 변수는 같게 나타났다. 클로로필-a, 수온, 일사량은 5일 예측 시 활용된 변수로, 3일 예측 시에는 기상항목인 강수량이, 7일 예측 시에는 수질항목인 T-N, N/Pratio가 추가되었다. 특히 1일 예측 시 일 때, 높은 예측정도와 활용된 변수의 수가 적게 나타나는 것을 확인하였으며, 예측기간이 길어질수록 예측의 정확성이 낮아지고, 활용된 변수의 수가 많아지는 것을 확인하였다. 향후 적정한 예측기간을 판단하고 예측가능성을 높이기 위해서는 지속적인 자료취득 및 개선이 필요하며, 이를 바탕으로 적절한 단기조류예측이 가능할 것으로 판단된다.

  • PDF

딥러닝과 단기매매전략을 결합한 암호화폐 투자 방법론 실증 연구 (An Empirical Study on the Cryptocurrency Investment Methodology Combining Deep Learning and Short-term Trading Strategies)

  • 이유민;이민혁
    • 지능정보연구
    • /
    • 제29권1호
    • /
    • pp.377-396
    • /
    • 2023
  • 암호화폐시장이 지속해서 성장함에 따라 하나의 새로운 금융시장으로 발전하였다. 이러한 암호화폐시장에 관한 투자전략 연구의 필요성 또한 대두되고 있다. 본 연구에서는 단기매매전략과 딥러닝을 결합한 암호화폐 투자 방법론에 대해 실증분석을 진행하였다. 투자 대상의 암호화폐를 이더리움으로 설정하고, 과거 데이터를 기반으로 최적의 파라미터를 찾아 이를 활용하여 실험 모델의 투자 성과를 분석하였다. 실험 모델은 변동성돌파전략, LSTM(Long Short Term Memory)모델, 이동평균 교차 전략, 그리고 단일 모델들을 결합한 결합 모델이다. 변동성돌파전략은 일 단위로 변동성이 크게 상승할 때 매수하고 당일 종가에 매도하는 단기매매전략이며, LSTM모델은 시계열 데이터에 적합한 딥러닝 모델인 LSTM을 활용하여 얻은 예측 종가를 이용한 매매방법이다. 이동평균 교차 전략은 단기 이동평균선이 교차할 때 매매를 결정하는 방법이다. 결합 모델은 변동성돌파전략의 매수 조건과 변동성돌파전략의 목표 매수가보다 LSTM의 예측 종가가 큰 경우 매수하는 조건이 동시에 만족하면 매수하는 규칙이다. 결합 모델은 변동성돌파전략과 LSTM모델의 파생 변수를 활용해 매수 조건에 AND와 OR를 사용하여 만든 매매 규칙이다. 실험 결과, 단일 모델보다 결합 모델에서 투자 성과가 우수함을 확인하였다. 특히, 데일리 트레이딩과 매수 후 보유의 누적수익률은 -50%이하인 것에 비해 결합 모델은 +11.35%의 높은 누적수익률을 달성하여 하락이 지속되던 투자 기간에도 기술적으로 방어하며 수익을 낼 수 있음을 확인하였다. 본 연구는 기존의 딥러닝기반 암호화폐 가격 예측에서 나아가 변동성이 큰 암호화폐시장에서 딥러닝과 단기매매전략을 결합하여 투자 성과를 개선하였다는 점에서 학술적 의의가 있으며, 실제 투자 시 적용 가능성을 보여주었다는 점에서 실무적 의의가 있다.

일반국토 상시 교통량자료를 이용한 교통량 결측자료 추정 (Missing Data Imputation Using Permanent Traffic Counts on National Highways)

  • 하정아;박재화;김성현
    • 대한교통학회지
    • /
    • 제25권1호
    • /
    • pp.121-132
    • /
    • 2007
  • 일반국도의 상시조사 자료는 교통량 조사 장비를 통해 수집되며, 수집된 자료가 누락되거나 불량일 경우 통계자료의 객관성을 유지하기 위해서 보정을 해야 한다. 교통량 결측 자료의 보정을 통계적인 방법으로 접근하여 신뢰성을 높이고자 본 연구에서는 보정 대상 시간과 동일시간의 자료를 적용할 수 있는 자기회귀분석과 보정 대상 지점과 동일 지점의 자료를 적용할 수 있는 계절 시계열 분석을 이용하여 보정하는 방안을 제시하였다. 계절 시계열 분석을 적용하여 결측 자료를 보정한 결과, 결측 기간이 길어질수록 오차가 커지는 것으로 분석되었다. 이것은 단기예측의 경우 실제자료를 이용하여 예측 값을 제시하지만, 장기예측의 경우 예측된 자료를 이용하여 예측값을 제시하기 때문에 신뢰성이 떨어지기 때문이라 판단된다. 자기회귀분석을 적용하여 결측 자료를 보정한 결과, 시계열분석에 비해서 오차가 적은 것으로 분석되었다. 이것은 교통량자료는 과거 패턴보다 현재 시점의 영향을 더 많이 받는 것이기 때문이라 판단된다 하지만 자기회귀분석은 인근에 패턴이 유사한 지점이 있어야 가능하며, 인근에 유사한 지점이 있더라도 그 지점의 자료가 불량일 경우 보정이 불가능하다는 단점이 있다. 이러한 경우에는 과거자료를 이용해서 보정할 수밖에 없으며, 단기 결측의 경우에는 시계열분석을 이용할 수 있다.

레이더 및 강우수치예보자료를 이용한 초단기강우-유출예측시스템 개발 (Development of Very Short-term Rainfall-Runoff Forecast system Using Radar and Rainfall Numerical Weather Prediction Data)

  • 박진혁;강부식
    • 한국수자원학회:학술대회논문집
    • /
    • 한국수자원학회 2007년도 학술발표회 논문집
    • /
    • pp.281-285
    • /
    • 2007
  • 본 연구에서는 보다 신뢰성 있고 정확한 정량적 강우예측자료를 생성하기 위하여 레이더강우 및 강우수치예보자료를 합성하는 기법을 제시하였고, 레이더 전처리 및 예측시스템, GIS와 연계한 물리적기반의 분포형모형인 Vflo모형 등 최신 수자원 IT기술을 활용하여 홍수기 돌발홍수에 대응한 초단기 정량적 강우-유출예측을 목적으로 향후 실시간으로 적용 가능한 분포형유출예측시스템의 기반을 구축하고자 하였다. 대상유역은 국지적인 고해상도 지형효과를 고려한 QPM이 개발되어 있는 금강권역의 용담댐유역이며, 예측 강우에 대한 호우사상은 2005년 이후 발생한 3개 강우사상을 대상으로 하였다. 한편, 기상 레이더 자료로부터 산정된 강수량의 수문학적 적용을 위하여 DEM, 토지피복도, 토양도 등의 기본 GIS자료들을 수집 및 구축하였고 물리적기반의 분포형모형(Vflo)의 입력인자로 사용하기 위한 12개의 공간분포형 수문매개변수들을 대표적인 GIS 소프트웨어인 ArcGIS 및 ArcView를 활용하여 추출하였으며, Vflo모형의 현업 적용가능성을 오프라인 상에서 검증해보았다. 모형 검증결과, GIS를 이용한 지형, 토양, 토지피복과 같은 물리적 특성을 사용한 모형의 초기 설정을 향상시킴에 의해 첨두유량, 유출량, 첨두도달시간차 등에서 만족할만한 결과를 보여주었다고 사료된다. 레이더 및 수치예보자료와 합성한 4가지의 형태(QPE, JQPE, QPM, BQPF)의 분포형 입력강우를 이용하여 적용해 본 결과 Nowcasting기법을 이용한 JQPF는 자료의 특성상 초기 1시간30분동안은 비교적 양호한 결과를 얻었으나 3시간 전후로 가면서 예측강우의 질이 저하되기 시작하였으나 QPM을 합성함으로써 생산한 BQPF는 보다 신뢰성있고 양호한 결과를 얻을 수 있었다. 이러한 결과들은 향후 정량적 분포형강우 예측을 이용한 실시간 홍수유출 예측시 댐운영자는 리드타임(홍수선행시간)을 충분히 확보함으로서 안정적이고 예측 가능한 홍수조절을 하는데 도움을 줄 수 있을 것으로 기대된다. 이와 같이 다양한 단기저수지 유입량의 예측정보 제공으로 다목적댐 저수지 운영모형의 효용성을 제고하여 향후 실제 저수지 유입량 예측에 이용함으로써 저수지 단기운영효율 개선에 기여할 수 있을 것으로 사료된다.

  • PDF

ESP 기법을 적용한 금호강유역의 단기 유량예측 (Short-term streamflow Prediction Using ESP Method in Gumho River Basin)

  • 최현구;이을래;강신욱;이상호
    • 한국수자원학회:학술대회논문집
    • /
    • 한국수자원학회 2015년도 학술발표회
    • /
    • pp.411-411
    • /
    • 2015
  • 유량예측의 가장 주된 목적은 가뭄과 홍수와 같은 수해방지를 위해 통합수자원관리를 수행하는데 있다. 이런 유량예측을 위해 다양한 기법들로 예측이 수행되고 있으며, 예측기간과 필요 정확도에 따라 초단기, 단기, 중 장기 예측 등으로 구분할 수 있다. 유량예측에 사용되는 기법들은 기후변화 시나리오와 같이 예측된 강우자료를 이용하여 유출량을 예측하는 방법이 있으며, 통계적인 방법으로 과거자료들을 활용하여 미래의 유량을 예측하는 방법이 있다. 본 연구에서는 ESP 기법을 이용하여 금호강 유역의 월 단위(30일) 유량을 예측하고자 한다. 앙상블 유량예측기법(ESP; Ensemble Streamflow Prediction)이란 현재의 유역상태를 초기조건으로 사용하고 과거의 온도나 강수 등의 시계열 앙상블을 강우-유출모형에 입력하여 유출량을 앙상블로 예측하는 기법이다. ESP는 결국 현재의 유역상태와 유역에서의 과거 강우 관측기록, 미래 강우예측에 대한 정보를 조합하여 그에 따른 유출 앙상블을 생산해내게 된다. 월 유량을 예측하기 위해서 금호강 유역의 1988년에서 2014년까지 27년간 대구, 영천, 포항 관측소의 기상자료를 수집하였으며, 금호강 표준유역에 해당하는 19개 유역으로 분할하여 모의에 이용하였다. 금호강 유역에 티센망을 적용하여 각 표준유역별로 강우량을 조합하여 2013년까지 모의에 적용하였으며, 이는 과거자료로 사용하였다. 유량예측에 사용되는 강우자료를 생성하기 위해서 26년간 일강우를 이용하였다. 예를 들어 2014년 12월을 예측한다면 11월까지 관측된 유역초기 조건을 가지는 수문모형의 12월 기상입력자료로써 현재 유역에서 발생 가능성이 있는 동일 유역의 과거 1988년부터 2013년까지의 12월 기상자료들을 사용하는 방법이다. 1988년부터 2013년까지 26개 12월 기상자료를 사용하므로 유량예측결과 또한 26개가 주워진다. 계산된 26개의 유량앙상블이 적용된 유역에서 12월에 발생 가능한 유출량의 모음이 된다. 시나리오결과를 수자원관리에 활용하기 위해서 초과확률로 분석하였으며, 이런 분석의 결과는 향후 가뭄과 홍수 같은 수해방지를 위해 수공구조물의 운영에도 활용할 수 있을 것으로 판단된다.

  • PDF

수공구조물에 따른 2차원 모형을 이용한 하상변동 분석 (Analysis of Bed Change Caused by Hydraulic Structure Using 2-D model)

  • 손아롱;손인호;한건연;권택훈
    • 한국수자원학회:학술대회논문집
    • /
    • 한국수자원학회 2012년도 학술발표회
    • /
    • pp.535-535
    • /
    • 2012
  • 하천 환경의 변화는 자연적으로 일어나기도 하지만, 우리나라 경우 대부분 하천 정비, 골재 채취, 수중보와 하구둑 등 하천시설물의 건설, 그리고 댐 및 교량건설 등 인위적인 요인에 의한 변화가 지배적이다 이렇게 환경이 변화하면 하천의 평형 상태는 파괴되며 하천의 평형 상태를 복원하는 과정에서 하천의 침식 또는 퇴적이 일어나며 이러한 과정의 총체적인 결과로서 하상변동이 일어나게 된다. 하상변동은 단기적인 면에서는 하천에서의 취수, 배수, 주운동 하천관리에 직접적인 영향을 주며, 장기적인 면에서는 하천시설물의 안정, 홍수위 및 지하수위 변화, 홍수터와 같은 하천부지의 변화 등 하천 및 유역 관리에 광범위한 영향을 주고 있다 하천의 유황 및 하상재료의 인위적인 변화에 의한 장기적인 하상변동 효과를 예측하고 분석하는 것은 하천계획 및 관리 면에서 매우 중요하다. 또한 하천 정비사업 등에 의한 영향을 제대로 평가하기 위해서는 비교적 단기간의 홍수 또는 호우 사상에 대한 단기적인 하상변동 효과를 정확하게 예측하는 것은 필수적이다. 외국에서는 하상변동 예측의 필요성을 일찍이 인식하여 다수의 하상변동 예측모형이 개발되어 하천 실무에 사용되고 있으며, 국내에서도 하천 흐름의 등수 역학적 해석을 위해 여러 가지 수치 기법들에 대한 연구가 진행되고 발전되어져 왔다. 현재 국내에서는 측량 자료이용과 모형적용의 용이성을 이유로 1차원 점변 부정류 해석프로그램인 HEC-RAS 모형을 많이 사용하고 있으며 대부분의 하천 정비 기본계획 수립에 있어서도 1차원 해석 모형을 적용하고 있는 실정이다. 국내에 서 수행된 하상변동 예측에 관한 연구들은 대부분 1차원 모형이므로 하천의 사행의 진행이나 유사의 횡방향 분포 등은 고려할 수 없다. 또한 하상변동 계산 시 이동상 부분의 전체가 균일하게 상승 또는 하향하는 것으로 가정하기 때문에 흐름이 급변하는 데 적용하는 것은 적합하지 않다. 따라서 본 연구에서는 4대강살리기 사업이 진행중인 낙동강유역 구미보지점을 대상으로 2차원 흐름 및 하상변동 수치모형인 CCHE2D 모형을 적용하여 50년, 100년, 200년 빈도별로 모의를 실시, 보설치 전 후의 하상변동을 비교 분석 하였다. 모의 결과 보설치 후의 경우 보 상류단은 전반적으로 퇴적의 양상을 보였으며, 보 하류단의 만곡부의 경우 홍수량이 증가함에 따라 유속 및 소류력이 비슷한 패턴으로 증가하여 침식이 관찰되었다. 특히 보 직하류의 경우 수문을 기준으로 다량의 침식이 있음을 보였으며, 침식이 계속 진행된다면 보유실과 같은 심각한 결과를 초래할 수 있기 때문에 침식을 방지 할 수 있는 다양한 장치가 마련되어야 할 것으로 판단된다.

  • PDF

문서의 감정 분류를 위한 주목 방법 기반의 딥러닝 인코더 (An Attention Method-based Deep Learning Encoder for the Sentiment Classification of Documents)

  • 권순재;김주애;강상우;서정연
    • 정보과학회 컴퓨팅의 실제 논문지
    • /
    • 제23권4호
    • /
    • pp.268-273
    • /
    • 2017
  • 최근 감정 분류 분야에서 딥러닝 인코더 기반의 접근 방법이 활발히 적용되고 있다. 딥러닝 인코더 기반의 접근 방법은 가변 길이 문장을 고정 길이 문서 벡터로 압축하여 표현한다. 하지만 딥러닝 인코더에 흔히 사용되는 구조인 장 단기 기억망(Long Short-Term Memory network) 딥러닝 인코더는 문서가 길어지는 경우, 문서 벡터 표현의 품질이 저하된다고 알려져 있다. 본 논문에서는 효과적인 감정 문서의 분류를 위해, 장 단기 기억망의 출력을 중요도에 따라 가중합하여 문서 벡터 표현을 생성하는 주목방법 기반의 딥러닝 인코더를 사용하는 것을 제안한다. 또한, 주목 방법 기반의 딥러닝 인코더를 문서의 감정 분류 영역에 맞게 수정하는 방법을 제안한다. 제안하는 방법은 윈도우 주목 방법(Window Attention Method)을 적용한 단계와 주목 가중치 재조정(Weight Adjustment) 단계로 구성된다. 윈도우 주목 방법은 한 단어 이상으로 구성된 감정 자질을 효과적으로 인식하기 위해, 윈도우 단위로 가중치를 학습한다. 주목 가중치 재조정에서는 학습된 가중치를 평활화(Smoothing) 한다, 실험 결과, 본 논문에서 제안하는 방법은 정확도 기준으로 89.67%의 성능을 나타내어 장 단기 기억망 인코더보다 높은 성능을 보였다.